权重自适应概率欠采样掩码优化的磁共振重建

段继忠，朱秦瑶

（昆明理工大学 信息工程与自动化学院，昆明650504） 

摘要：为提高重建图像的质量，基于欠采样掩码优化策略和迭代阈值收缩算法提出权重自适应概率欠采样掩码优化的磁共振重建网络（PUOR-Net，Probabilistic Undersampling mask Optimization with weight adaptation for MRI Reconstruction Network），该网络由欠采样子网和重建子网构成。在欠采样子网层面，PUOR-Net通过自主学习和权重调整机制，动态生成优化的欠采样掩码，突破传统方法中需预先设计欠采样掩码的局限。在重建子网中，PUOR-Net融合了复数卷积和通道注意力机制，以进一步挖掘数据潜力并恢复图像细节。实验结果表明：PUOR-Net在两个磁共振图像数据集上的表现优于使用固定欠采样掩码的传统方法，验证了其自适应优化策略的有效性；此外，与同类欠采样掩码优化策略的重建网络相比，PUOR-Net亦展现出性能优势。

关键词：并行磁共振成像重建，欠采样掩码优化，深度学习，权重调整，注意力机制

点击分享码全文pdf浏览： https://rdcu.be/ethRE

Cite this article: Duan, J., Zhu, Q. Probabilistic Undersampling Mask Optimization with Weight Adaptation for MRI Reconstruction. J. Shanghai Jiaotong Univ. (Sci.) (2025). https://doi.org/10.1007/s12204-025-2831-7